设备管理智慧运营平台   一、选手介绍 1.1 选手介绍 姓名：Sherry 岗位：从事设备专业的信息化管理领域。 姓名：Herry 岗位：从事设备专业的点检管理领域。 姓名：Bobo 岗位：从事设备专业的信息化管理领域。 姓名：Jack 岗位：从事设备专业的备材管理领域。 姓名: Amanda 岗位：从事设备专业库存管理领域。 1.2 参赛初衷 1）希望通过比赛实践提升FineBI的使用方法和技巧，培养自己数据化办公的思维。 2）希望通过比赛与其他参赛选手交流学习，进行数据可视化作品以及分析思维的激烈碰撞。   二、作品介绍 2.1 业务背景/需求痛点 业务背景： 本公司属于钢铁制造行业，日常设备专业的管理主要依托EQMS（设备管理系统），该系统模块众多，主要包含点检管理、状态管理、检修管理、物料管理、合同管理等等。公司设备管理的依托群体主要是各作业部点检员，全公司共有900多个点检员，分布在10多个部门中，如何去形成一套适合本公司的设备专业分析体系是亟待解决的问题。 需求痛点： 1）各部门基层点检人员不知道在哪查看指标信息或者由于查看途径不同，指标口径会存在差异，最终使指标体系推广受限。 2）设备系统模块众多，指标分散，业务数据量大，怎样让这些数据产生价值，集中体现在一个平台进行智慧分析，以便做出更好的决策，从而提升设备的运行质量，也是一个问题点。 2.2 目标 1）数出一源，统一口径。 2）方便管理人员能够快速的了解设备专业的运行情况，并且提炼出重要信息，做出正确决策，实现设备专业的“数字化管理”。 2.3 数据来源 企业数据：企业业务系统设备管理系统、采购系统、经营决策系统、ITOM系统 2.4 分析思路 2.4.1 结构导图 2.4.2 分析方法 TOP分析、差值分析、对比分析、KPI指标卡、趋势分析、占比分析、雷达图分析等。 2.5、数据处理 2.5.1 统一口径： 秉承数据分析的大原则-数出一源，所使用的的数据源表都来自于设备管理系统；统一规范化指标口径，如字段名称、数据类型、表结构、计算规则等。 2.5.2 数据清洗： 对不需要的数据进行了筛选，以减少数据量和表维度，比如在数据处理中通过过滤，仅留下了本公司账套的数；很多时间字段类型为文本型，需要转换成日期型；不需要参与展示的字段不进行勾选等。 2.5.3 数据脱敏： 因本作品涉及数据为直接链接生产库在线数据，为公司机密数据，为了保证数据安全，数据已脱敏。   三、可视化报告 3.1 排版布局 1）共5个版面架构，依次为：点检管理、设备运行、检修管理、物料管理、需求事件管理。 2）整体采用分Tab页的结构，将设备系统点检、运行、检修、物料四大模块串联起来，构成设备的全生命周期管理和用户反馈信息（需求和事件）的一系列过程。 3）每个Tab也是由粗到细、由整体到局部、由发展前后的过程进行追溯分析，最终完成闭环管理。 3.2 样式风格 1）整体为科技蓝，各个Tab页风格统一，高低趋势采用颜色渐变，使对比更加明显。 2）部分图表隐藏轴线、网格线、图例等，是考虑到了整体美观，并且用户体验或分析结论更具有直观性。 3）日期区间和部门的过滤组件控制选择了同色系的背景，并标为白色字体，展示更加鲜明。切换日期、部门则所有Tab页的图表都会联动改变。  3.3 版面展示及功能介绍 ◆ 【点检管理】版面介绍 模块 位置 指标 业务含义 计算逻辑 图表 点检管理 上左 点检标准数 点检标准总数 对点检标准条目求和 KPI指标卡 点检项次数 点检项次总数 对点检项次条目求和 点检员数量 点检员人数 对点检员所在岗位求和 点检管理 上中 异常确认率 也称作异常闭环率，是评估点检异常是否确认的指标，值越高说明点检异常闭环工作做得越好 点检异常确认数/点检异常总数 折线图 点检管理 上右 异常类型分析 可以分析出哪种异常类型出现的次数最多，例如松动，可以制定出相应措施，以便在下次点检时有针对性的进行应对。 对每个异常类型的异常数求和 雷达图 点检管理 下左 异常未确认数 还未进行确认的点检异常数量 点检异常总数-点检异常确认数 柱状图 点检管理 下右 异常明细 辅助其他图形进行联动，可导出相应异常明细 — 明细表 结论：在制造行业中点检管理做为企业设备管理的核心，是否做到闭环管理直接影响后续状态、检修管理的质量，从图中可以看出公司各个部门的整体点检异常率都在99%以上，异常率较低的部门是运输部，提要继续提高点检异常的闭环工作。在对点检异常类型进行分析时，发现“松动”的情况较多，我们可以制定出相应措施，以便在下次点检时有针对性的应对。 ◆ 【设备运行】版面介绍： 模块 位置 指标 业务含义 计算逻辑 图表 设备运行 上左 当月故障总时间/总次数 按照故障开始日期所在月份汇总当月故障停机时间/次数，可以看出历史上发生故障的走势 当月故障时间/次数求和 折线图 设备运行 上中 故障部门占比量 从部门角度去分析故障停机时长占比，衡量每个部门故障多少 每个部门的故障总时间/全公司的故障总时间 饼图 设备运行 上右 故障损失 按照部门查看本年故障损失的分布情况，衡量每个部门故障损失金额 对每个部门故障直接损失求和 折线图 设备运行 下左 故障专业属性占比量 从专业属性角度去分析故障停机时长占比，衡量每个专业属性故障多少 每个专业属性的故障总时间/所有专业属性故障总时间 饼图 设备运行 下中 故障原因属性占比量 从原因属性角度去分析故障停机时长占比，衡量每个原因属性故障多少 每个原因属性的故障总时间/所有原因属性故障总时间 饼图 设备运行 下右 措施按计划已落实 查看各部门对已落实措施的故障数量，衡量设备故障闭环情况的指标 对落实情况为“措施按计划已落实”的故障台账编号行项目求和； 堆积柱状图 措施逾期落实 查看各部门对超期落实措施的故障数量，衡量设备故障闭环情况的指标 对落实情况为“措施逾期落实”的故障台账编号行项目求和； 措施计划落实中 查看各部门措施落实中的故障数量，衡量设备故障闭环情况的指标 对落实情况为“措施计划落实中”的故障台账编号行项目求和； 措施逾期未落实 查看各部门对超期未落实的故障数量，衡量设备故障闭环情况的指标 对落实情况为“措施逾期未落实”的故障台账编号行项目求和； 结论：设备运行模块针对工厂设备运行的状态管理进行分析，可以从历史角度查看各月故障时间和次数的趋势，由趋势分析出故障发生的突发情况，比如停机检修等，损失分布图可以看出这些故障产生的直接损失情况。从专业、原因两个维度分析这些故障的主因，最后关注故障措施落实情况是否闭环，提醒将未闭环的故障措施进行闭环。 ◆   【检修管理】版面介绍： 模块 位置 指标 业务含义 计算逻辑 图表 检修管理 上左 周期性项目占总项目比率 检修委托项目分为周期性项目和非周期性项目，周期性项目越多说明制定的检修计划越全面。 周期性项目数量/总委托项目数量 自定义图表 检修管理 上右 按期实施项目占总周期项目比率 在周期性检修项目中又分为按期实施的项目和提前实施的项目，按期实施项目越多说明制定的检修计划越精准。 按期实施项目数量/总周期项目数量 自定义图表 检修管理 下左 检修计划兑现率 检修计划兑现情况，比值越高说明检修计划执行的越好。 （计划总数-计划外新增次数-检修异动次数）/（计划总数-计划外新增次数） 折线图 检修管理 下右 定年修计划清单 辅助检修计划兑现率图进行联动，点击任意部门可导出对应部门定年修计划清单 — 分组表 结论：设备检修项目分为周期性项目和非周期性项目，周期性项目越多说明制定的检修计划越全面，在周期性检修项目中又分为按期实施的项目和提前实施的项目，按期实施项目越多说明制定的检修计划越精准。检修计划兑现率是检修模块的一项重要指标，比值越高说明检修计划执行的越好，炼铁作业部的检修计划执行的较差，检修计划的执行情况有待提高。 ◆   【物料管理】版面介绍： 模块 位置 指标 业务含义 计算逻辑 图表 物料管理 上左 在途合同分布 已经签订合同，但未交货的备件金额。要控制在途金额的增长，防止资金占用 各个部门在途金额总和 柱状图 物料管理 上右 中心库库存资金占用 中心库库存资金占用代表备件到货后存放在中心库，形成中心库存资金。值增加代表备件到货后未及时上机，最终会导致公司流动资金的长期占用，要控制增长 各部门中心库库存金额总和 柱状图 物料管理 上右 机旁库库存资金占用 机旁库库存资金占用，代表备件到货后领用至现场机旁库形成库存资金。值增加代表备件到货后未及时上机，最终导致公司流动资金的长期占用，要控制增长。 各部门机旁库库存金额总和 柱状图 物料管理 下左 机旁库领用去向占比 统计各领用去向入库单号行项目之和，以此分析备件出库的去向 各领用去向入库单号行项目数求和/总行项目求和 饼图 物料管理 下中 机旁库进三月上机率 备件到货后三个月内上机情况，避免机旁库存积压的管控指标，目的就是为了确保提报的备件是现场需要更换的备件，目前按照85%以上指标控制，指标值越高说明备件使用情况越好。 备件三个月内的出库金额/入库总金额 折线图 物料管理 下右 设备费消耗 分为三大类：备件金额、机物料金额、大型工具金额，它们是按照成本科目区分的出库金额，是评估各部门设备费成本完成情况的重要指标。也可作为来年设备费用预算参考。 1、备件金额：成本科目包含修理费的所有出库金额；2、机物料金额：成本科目包含机物料的所有出库金额；3、大型工具金额：成本科目包含辅材-工艺件、辅材-大型工具、辅材-探头的所有出库金额 折线图 结论：物料管理从三个方向可以分析资金占用情况：在途、中心库、机旁库，每个方向都应该减少资金的增长，控制公司流动资金占用，减少库存积压。三个月上机率是避免机旁库存积压的管控指标，目的就是为了确保提报的备件是现场需要更换的备件，目前按照85%以上指标控制，指标值越高说明备件使用情况越好。设备费消耗分为三大类：备件金额、机物料金额、大型工具金额，它们是按照成本科目区分的出库金额，是评估各部门设备费成本完成情况的重要指标。也可作为来年设备费用预算参考。 ◆   【信息化管理】版面介绍： 模块 位置 指标 业务含义 计算逻辑 图表 信息化管理 上左 需求提出量趋势 查看需求提出量历史趋势，控制需求提出质量。 每月需求量汇总 折线图 信息化管理 上中 需求提出量排名 哪些部门需求提的较多，了解用户需求的特异性。 按部门需求量求和，TOP10排名 横向柱状图 信息化管理 上右 变更类别占比 分析需求的变更类别，做出相应的系统优化，提升用户体验度 每个变更类别需求量占总量比 饼图 信息化管理 下左 事件报修量趋势 查看事件报修量历史趋势，降低事件量。 每月事件量汇总 折线图 信息化管理 下中 事件报修量排名 哪些部门事件报修较多，对这些部门做出培训。 按部门事件量求和，TOP10排名 横向柱状图 信息化管理 下右 事件类型占比 分析报修事件的类型和子类型，给用户做相应培训。 每个事件类型事件量占总量比 多层饼图 结论：信息化管理模块反应了设备专业系统的使用情况，可以了解用户报出的需求量和事件量的趋势和类型占比，对提出问题较多的部门可以做一些有针对性的培训，有助于设备专业系统流程的优化。   ◆总结：作品整体采用Tab分页的结构将公司设备专业的主要模块：点检、状态、检修、物料几大模块串联起来，信息化管理作为辅助，形成了设备的全生命周期管理，平台覆盖面广，设计全面，可以从全局掌握全公司的设备运行情况，在一定程度上解决了数据分散、口径不一的问题。定制符合设备专业动态指标整合及一键式展示，提高管理效率及成本。设备拥有感知自身运行状况、健康状态的能力，能够发现潜在异常状态并且进行预警、报警。设备的运营维护周期将大大延长，设备使用寿命将得到更全面的释放。人力投入的持续减少。一方面简单的统计劳动被替代；另一方面由于知识以数据形式不断积累，管理型岗位也将面临持续的削减。数据价值的深入挖掘。充分利用数据分析，挖掘背后的价值，为经营决策提供参考价值。 四、参赛总结 4.1 FineBI工具     FineBI工具确实好用且易上手，在慢慢深入的使用过程中总能发现一些惊喜，比如数据函数的引用。当然它也有它的缺点，不适合过大数据量的分析，随着大数据的发展壮大，各行各业数据量也井喷式的增加，所以希望FineBI也能一直随着大数据的发展而发展，希望FineBI产品越做越好，越做越强大。 4.2 参赛总结 在本次参赛过程中，越发觉得习得数据分析思维远远比学会一门工具来的更重要。方法可以复制和借鉴，业务规则可以在工作中得到充沛，未来工具技能将更便捷化，然而思维的练就却是不容易的，往往需要很多次的重新再来。必然，能够利用闲暇时间去沉淀积累，同时又不断学习新思路新理念，结果总归会有一个不错的体验，这是我参加本次可视化大赛的最大感触。“驱动未来制造业的最大能源，不是石油，而是数据”。数据从业务中产生的，只有通过数据分析，进行数据挖掘，并借助于finebi等可视化工具呈现出来，让数据服务于业务，才能真正体现出价值。      

一、选手简介 1、选手介绍 （1）团队选手版 团队名称：京唐团队 队长介绍：帆软社区用户名戴昭颖，目前就职于首钢京唐钢铁联合有限责任公司，我司属于钢铁行业，目前本人从事经营类数据分析相关岗位，所以对销售盈利相关主题数据分析感兴趣。   2、参赛初衷 参加此次比较主要是因为大赛的奖励很丰厚，并且能够在比赛中锻炼提升自己的水平。   二、作品介绍 1、业务背景/需求痛点 简述业务背景 本公司是一家大型的钢铁公司，所以涉及的产线、产品众多，管理人员需要了解公司的销售及盈利情况，掌握产品的销售量、成本、利润和用户的信息，以此来对公司未来的生产经营做决策。 简述需求痛点 需要实现一张综合性强，一眼就能了解公司产品在全国各省市销售情况，并且能够从产品大类、销售品种、牌号等细粒度全方位体现产品的销售量、成本、利润关系的一张图表。   2、数据来源 企业数据：销售结算明细表、盈利分析基础表   3、分析思路 拿到销售结算明细表、盈利分析基础表这两张表后，我发现销售结算明细表拥有销售用户的省份、城市信息，但是没有成本、盈利信息，而盈利分析基础表有成本等盈利信息，因此，我想到通过合同号这个关键字段把两站表关联在一起，这样整个销售盈利信息就齐全了。并且在盈利分析基础表中有业务人员比较关心的各个维度，比如产品大类、销售品种、牌号等，我们可以通过关联汇总后的自助集进行全方位各个维度的分析。   4、数据处理 需要将数据进行清洗，过滤出公司代码为京唐公司的数据，清洗掉脏数据，比如销售结算明细表中最终用户省份、城市为空的，为了保证在关联时保持1：N的关系，对销售结算明细表的合同号进行汇总合并，最终和盈利分析基础表关联，形成汇总后的自助集。   5、可视化报告 组件1：点地图，描述了全国各省市的销售情况，这些点代表销售量，点越大代表销售量越大，其中三个城市有闪烁，唐山、上海、广州，这些是销售量大于等于50万吨的城市。从这幅图可以看出我们的销售流向主要分布在沿海的华北、华东地区，我们还可以向其他地区拓展销售业务。 这个图我们还做了一个跳转，直接连接到经营决策系统的钢材、钢坯地区流向表，相当于给点地图做了一个注释，可以从表中查看各地区的具体销售量。 组件2、组件3：玫瑰图、悬浮仪表盘，玫瑰图介绍了高端/领先/支撑/普通产品销售量的占比，可以看出高端产品占比最高，其次是支撑产品，此图可下钻到产品大类维度，当高端产品下钻后，可以看到高端产品下热镀产品占比最高。 悬浮的仪表盘给出的是总销售量的指标 组件4：横向柱形图，描述了利润最大的前10位为最终用户，这些都是我们的重要用户。 组件5、组件6：中间的两个图标是自定义组合图标，都是由柱状图和两条折线图组成，左边的是从产品大类角度分析销售量、单位成本、单位毛利的关系，右边的是从销售品种角度分析销售量、单位成本、单位毛利的关系。从右边这幅图明细看出有两个异常点，中厚板（复合板）和普通热轧（复合板），它们属于成本高、毛利低。 组件7：细粒度到牌号的销售单利明细表，从这张表我们可以看到细度到牌号的产品的销售量、价、成本（变动成本、固定成本）、折旧费等信息，主要是供以上各组件联动查找相关数据明细使用。 （2）通过分析得出的结论， 这一张大图包含了销售盈利方方面面的内容，方便业务人员通过系统了解公司销售盈利情况价，给用户带来了全面的、清晰明了的系统使用感受，减少人工统计数据的时间，提高管理人员的工作效率，做到更加有依据的、科学的决策。 （3）最终结果呈现的页面布局   三、参赛总结 1、FineBI工具 FineBI工具确实好用且易上手，在慢慢深入的使用过程中总能发现一些惊喜，比如数据函数的引用。当然它也有它的缺点，不适合过大数据量的分析，随着大数据的发展壮大，各行各业数据量也井喷式的增加，所以希望FineBI也能一直随着大数据的发展而发展，希望FineBI产品越做越好，越做越强大。   2、参赛总结 参赛是最促进成长的方式，通过这次比赛作品的准备，我对FineBI工具的使用技巧更上一层楼，理解也更深刻，希望今后能够和其他团队多切磋。